核心用法
HabitFlow 是一款 AI 驱动的原子习惯追踪系统，专为 clawdbot CLI 设计。核心功能围绕自然语言交互展开：用户可直接说"我今天冥想了"，系统通过 NLP 解析自动记录；支持批量补录（"周一、周三、周五都健身了"），并提供 1 天容错机制的智能连续打卡计算。
习惯管理：创建习惯时可指定类别、频率、目标次数及提醒时间（支持 WhatsApp 定时提醒）。数据追踪：提供个人/全局统计、连续天数计算、Canvas 可视化热力图与趋势图表。主动辅导：通过 cron 任务实现里程碑庆祝、风险预警、每周复盘等自动化 coaching。多角色系统：内置 7 种 AI 教练人格（专业分析师 Flex、热血教练 Blaze、温柔治疗师 Luna 等），可动态切换沟通风格。
显著优点
1. 零摩擦记录：自然语言解析大幅降低记账成本，无需固定格式指令
2. 循证方法论：深度整合《Atomic Habits》的 2 分钟法则、习惯叠加、身份认同等成熟理论
3. 情感化设计：多角色人格让习惯养成更具陪伴感，避免工具冰冷感
4. 智能容错：1 天宽容机制减少"破窗效应"，维护用户心理安全感
5. 可视化激励：Canvas 生成的连续打卡图与热力图提供即时正反馈
6. 自动化运营：主动式 coaching 无需用户主动求助即可触发干预
局限性与风险
- 技术依赖：需 Node.js 18+ 环境，npm 依赖较多（chrono-node、string-similarity 等），安装链路较长
- NLP 置信度边界：低置信度（<0.60）时需人工确认，复杂表述可能误解析
- 数据本地存储：日志以本地文件形式存储（
~/clawd/habit-flow-data/），无云同步与备份机制 - 提醒渠道单一：当前仅支持 WhatsApp，缺少邮件/推送等备选通道
- 隐私考量：习惯数据（如心理健康相关追踪）以明文 JSON 存储于本地，多用户设备存在泄露风险
适合人群
习惯养成困难者、量化自我（Quantified Self）爱好者、需要外部 accountability 的远程工作者、喜欢游戏化/陪伴式体验的用户。《Atomic Habits》读者可直接迁移书中方法论。
常规风险
- 过度追踪焦虑：高频量化可能引发强迫性自我监控
- 角色依赖：长期固定单一 persona 可能削弱自主动机
- 数据丢失：本地存储无自动备份，系统重装即清空历史
- 提醒疲劳： coaching 消息过于密集可能造成打扰（需手动调优 cron 频率）